CH2第2节,离散型随机变量及其分布律.ppt

离散型随机变量分布律的定义离散型随机变量表示方法几种常见分布小结 第二节离散型随机变量及其分布律 从中任取3个球 取到的白球数X是一个随机变量 1 X可能取的值是0 1 2 2 取每个值的概率为 看一个例子 一 离散型随机变量分布律的定义 定义1 某些随机变量X的所有可能取值是有限多个或无限可列多个 这种随机变量称为离散型随机变量 其中 k 1 2 满足 2 定义2 设xk k 1 2 是离散型随机变量X所取的一切可能值 称 为离散型随机变量X的分布律 用这两条性质判断一个函数是否是分布律 解 依据分布律的性质 a 0 从中解得 即 例2 设随机变量X的分布律为 k 0 1 2 试确定常数a 二 离散型随机变量表示方法 1 公式法 2 列表法 或 例3某篮球运动员投中篮圈概率是0 9 求他两次独立投篮投中次数X的概率分布 解 X可取值为0 1 2 P X 0 0 1 0 1 0 01 P X 1 2 0 9 0 1 0 18 P X 2 0 9 0 9 0 81 常常表示为 这就是X的分布律 例4某射手连续向一目标射击 直到命中为止 已知他每次命中的概率是p 求所需射击次数X的分布律 解 显然 X可能取的值是1 2 P X 1 P A1 p 为计算P X k k 1 2 Ak 第k次命中 k 1 2 设 于是 可见 这就是求所需射击次数X的分布律 例5一汽车沿一街道行驶 需要通过三个均设有红绿信号灯的路口 每个信号灯为红或绿与其它信号灯为红或绿相互独立 且红绿两种信号灯显示的时间相等 以X表示该汽车首次遇到红灯前已通过的路口的个数 求X的分布律 解 依题意 X可取值0 1 2 3 P X 0 P A1 1 2 X表示该汽车首次遇到红灯前已通过的路口的个数 即 X表示该汽车首次遇到红灯前已通过的路口的个数 设随机变量X只可能取0与1两个值 它的分布律为 则称X服从 0 1 分布或两点分布 1 两点分布 三 几种常见分布 例6 抛硬币 试验 观察正 反两面情况 随机变量X服从 0 1 分布 例7200件产品中 有190件合格品 10件不合格品 现从中随机抽取一件 那末 若规定 则随机变量X服从 0 1 分布 两点分布是最简单的一种分布 任何一个只有两种可能结果的随机现象 比如新生婴儿是男还是女 明天是否下雨 种籽是否发芽等 都属于两点分布 说明 2 等可能分布 如果随机变量X的分布律为 例抛掷骰子并记出现的点数为随机变量X 3 贝努里试验和二项分布 回顾 如果一个试验只有两个结果 称为贝努里试验 重复 是指这n次试验中P A p保持不变 将贝努里试验E独立地重复地进行n次 则称这一串重复的独立试验为n重贝努里试验 独立 是指各次试验的结果互不影响 用X表示n重贝努里试验中事件A发生的次数 则 且两两互不相容 易证 1 2 称这样的分布为二项分布 记为 二项分布的图形 例8已知100个产品中有5个次品 现从中有放回地取3次 每次任取1个 求在所取的3个中恰有2个次品的概率 解 因为这是有放回地取3次 因此这3次试验的条件完全相同且独立 它是贝努里试验 依题意 每次试验取到次品的概率为0 05 设X为所取的3个中的次品数 于是 所求概率为 则 X b 3 0 05 若将本例中的 有放回 改为 无放回 那么各次试验条件就不同了 此试验就不是贝努里试验 此时 只能用古典概型求解 请注意 例9某类灯泡使用时数在1000小时以上的概率是0 2 求三个灯泡在使用1000小时以后最多只有一个坏了的概率 解 设X为三个灯泡在使用1000小时已坏的灯泡数 X b 3 0 8 把观察一个灯泡的使用时数看作一次试验 使用到1000小时已坏 视为事件A 每次试验 A出现的概率为0 8 P X1 P X 0 P X 1 0 2 3 3 0 8 0 2 2 0 104 分析 这是不放回抽样 但由于这批元件的总数很大 且抽查元件的数量相对于元件的总数来说又很小 因而此抽样可近似当作放回抽样来处理 例10 解 图示概率分布 注意 P X 4 最大 一般地 若在k0处 概率P X k 达到最大 称k0为随机变量X的最可能值 则k0应满足 本例中 n 20 p 0 2 所以 n 1 p 4 2 故k0 4 4 泊松分布 同样地 解如下不等式 泊松分布的图形 泊松分布的背景及应用 二十世纪初卢瑟福和盖克两位科学家在观察与分析放射性物质放出的粒子个数的情况时 他们做了2608次观察 每次时间为7 5秒 发现放射性物质在规定的一段时间内 其放射的粒子数X服从泊松分布 在生物学 医学 工业统计 保险科学及公用事业的排队等问题中 泊松分布是常见的 例如地震 火山爆发 特大洪水 交换台的电话呼唤次数等 都服从泊松分布 电话呼唤次数 交通事故次数 商场接待的顾客数 地震 火山爆发 特大洪水 Poisson定理说明若X b n p 则当n较大 p较小 而适中 则可以用近似公式 历史上 泊松分布是作为二项分布的近似 于1837年由法国数学家泊松引入的 二项分布与泊松分布的关系 证 记 例12一家商店采用科学管理 由该商店过去的销售记录知道 某种商品每月的销售数可以用参数 5的泊松分布来描述 为了以95 以上的把握保证不脱销 问商店在月底至少应进某种商品多少件 解 设该商品每月的销售数为X 已知X服从参数 5的泊松分布 设商店在月底应进某种商品m件 进货数 销售数 查泊松分布表得 P X m 0 05 也即 于是得m 1 10 m 9件 或 例13独立射击5000次 命中率为0 001 解 1 k n 1 p 5000 1 0 001 5 求 1 最可能命中次数及相应的概率 命中次数不少于1次的概率 至少命中1次的概率 2 令X表示命中次数 则X b 5000 0 001 解令X表示命中次数 则 令 此结果与用二项分布算得的结果0 9934仅相差万分之一 利用Poisson定理再求例13 2 X b 5000 0 001 由此可见日常生活中 提高警惕 防火防盗 的重要性 由于时间无限 自然界发生地震 海啸 空难 泥石流等都是必然的 早晚的事 不用奇怪 不用惊慌 同样 由于人的一生是一个漫长的过程 在人的一生中发生车祸 失恋 患绝症 考试不及格 炒股大亏损等都属于正常现象 大可不必怨天尤人 更不要想不开而跳楼自杀 小概率事件虽不易发生 但重复次数多了 就成大概率事件 本例启示 其他常见的离散分布 几何分布 几何级数 对于离散型随机变量 如果知道了它的分布律 也就知道了该随机变量取值的概率规律 在这个意义上 我们说 这一节 我们介绍了离散型随机变量及其分布律 并给出两点分布 二项分布 泊松分布三种重要离散型随机变量 离散型随机变量由它的分布律唯一确定 四 小结 练习题